Concevoir un classeur d’inventaire et d’alertes de réapprovisionnement
Auteur: AILesson9 min de préparationTesté avec:ChatGPTRévisé: 2026-08-28
Réponse rapide
Suivre le stock utilisable, la demande, le délai d’approvisionnement, les commandes ouvertes, la logique de réapprovisionnement et la responsabilité des exceptions sans inventer de décisions d’achat. Fournir: Opérations et décisions relatives aux stocks, Champs, sources et exemples de valeurs, Politique de réapprovisionnement et de gestion des exceptions. Résultat attendu: Un classeur d’inventaire contrôlé comprenant des formules de réapprovisionnement, une file d’exceptions et des contrôles de rapprochement.
1
Ajouter votre contexte
Votre texte reste dans ce navigateur. AILesson Prompts ne l’envoie ni à un modèle ni à un serveur.
2
Votre prompt
Les champs non remplis restent visibles sous forme d’espaces réservés, afin que vous puissiez quand même copier et modifier le prompt.
Concevez un classeur Excel d’inventaire et d’alertes de réapprovisionnement à partir des opérations, des données et de la politique approuvée fournies.
Articles, sites, revue, demande, service, autorité, contraintes des fournisseurs et action déclenchée par l’alerte :
[operation]
Granularité, stock, réservations, unités inutilisables, commandes ouvertes, dates, demande, délai d’approvisionnement, contraintes de commande, coût, actualisation et qualité :
[data]
Disponibilité, horizon de demande, stock de sécurité, logique de commande et de cible, arrondis, traitement des données obsolètes et des retards, dérogations, approbation et exclusions :
[policy]
Définissez une ligne par couple SKU-site et séparez les faits issus des sources, les champs calculés, les paramètres de la politique, l’action recommandée et la commande approuvée. Rapprochez les composantes du stock physique et distinguez le stock disponible, la position de stock, le stock projeté à l’issue du délai d’approvisionnement, le point de commande et la quantité à commander. N’incluez que les commandes ouvertes attendues dans l’horizon approuvé et conservez les livraisons tardives ou incertaines comme exceptions. Appliquez la taille du conditionnement et la MOQ après avoir calculé le besoin, et ne recommandez aucune commande si des données requises concernant la demande, le délai, l’unité, le fournisseur ou la fraîcheur sont manquantes. Ne considérez pas une alerte comme une autorisation d’achat. Fournissez : l’architecture des feuilles ; le dictionnaire de données ; la table des paramètres ; les formules de table Excel ; l’ordre de priorité des alertes ; les règles de mise en forme conditionnelle ; le processus de gestion des exceptions et d’approbation ; des exemples de lignes ; le rapprochement des stocks et des commandes d’achat ; les contrôles d’actualisation ; et des tests couvrant l’absence de besoin, le réapprovisionnement, l’arrondi selon la MOQ ou le conditionnement, l’excédent, la rupture de stock, les données manquantes ou obsolètes, une commande d’achat en retard, une demande nulle et une dérogation.
Privé par défautL’assemblage du prompt se fait localement dans votre navigateur. Évitez de placer des informations confidentielles dans un service d’IA, sauf si votre organisation l’autorise.
De l'entrée au résultat
Un exemple détaillé
Voyez comment un contexte concret transforme cette recette en résultat utilisable.
Entrée réelle
Opérations et décisions relatives aux stocks
Petit magasin central de pièces de réparation, 180 SKU. L’acheteur examine les stocks chaque lundi. L’objectif est d’éviter une rupture pendant le délai fournisseur, pas d’optimiser statistiquement le service. Le classeur déclenche les alertes Review/Reorder/Stockout/Data issue ; l’acheteur approuve et crée le PO hors d’Excel. Les fournisseurs imposent des tailles de lot et un MOQ. Aucune commande automatique.
Champs, sources et exemples de valeurs
Une ligne par SKU dans Main. Champs SKU, Description, Unit, OnHand, Reserved, Damaged, OpenPOQty, EarliestConfirmedDue, AvgWeeklyDemand, LeadTimeWeeks, SafetyStock, PackSize, MOQ, Supplier, LastStockRefresh, LastDemandRefresh, OverrideTarget, OverrideReason. Exemple Filter-F9 : unité, OnHand 42, Reserved 8, Damaged 2, OpenPO 24 attendu le 8 septembre 2026, demande hebdomadaire moyenne 15, délai 2 semaines, sécurité 12, lot 6, MOQ 24, fournisseur North Parts, actualisation le 31 août 2026. Date de révision : 1er septembre 2026. Aucun SKU en double. Dates et quantités peuvent être vides.
Politique de réapprovisionnement et de gestion des exceptions
Available=OnHand-Reserved-Damaged. InventoryPosition=Available+PO ouvert arrivant au plus tard à la date de révision + délai ; PO tardif/non confirmé exclu et signalé. LeadDemand=AvgWeeklyDemand×LeadTimeWeeks. ReorderPoint=LeadDemand+SafetyStock. Target=LeadDemand+SafetyStock+demande d’une semaine de révision, sauf OverrideTarget approuvé avec motif. Si InventoryPosition<ReorderPoint, besoin brut=Target-InventoryPosition ; proposition arrondie au PackSize supérieur et au moins au MOQ. Si Available<0, Stockout/problème d’enregistrement prime sur le réapprovisionnement. Une donnée obligatoire de plus de 7 jours vaut Data issue. Demande nulle avec stock vaut No reorder, pas une erreur de division.
Exemple de sortie
Feuilles : InventoryInput, détail OpenPO, Parameters, ReorderReview, Exceptions, ApprovalLog et Reconciliation. Séparez la proposition calculée de BuyerDecision, ApprovedQty, PONumber et ApprovedAt.
Pour Filter-F9, Available=42−8−2=32. La livraison confirmée de la commande d’achat au 8 septembre se situe dans l’horizon de deux semaines se terminant le 15 septembre ; InventoryPosition=32+24=56. LeadDemand=15×2=30 ; ReorderPoint=30+12=42 ; Target par défaut=30+12+15=57. Comme 56 n’est pas inférieur à 42, le statut est No reorder, même si la position est inférieure d’une unité à la cible ; la politique se déclenche au point de commande, pas à la cible.
Formules de table : Available =[@OnHand]-[@Reserved]-[@Damaged] ; EligibleOpenPO doit être calculé à partir du détail des commandes d’achat selon des critères de statut et de date d’échéance, plutôt qu’en faisant confiance à une valeur agrégée unique lorsque plusieurs commandes existent ; InventoryPosition=Available+EligibleOpenPO ; LeadDemand=AvgWeeklyDemand*LeadTimeWeeks ; ReorderPoint=LeadDemand+SafetyStock. Lorsque le seuil est franchi, RawNeed=MAX(0,Target-InventoryPosition). La proposition arrondie peut utiliser =MAX([@MOQ],CEILING.MATH([@RawNeed],[@PackSize])), mais seulement après validation de valeurs PackSize/MOQ positives.
Ordre de priorité des alertes : doublon/champ obligatoire/type/données obsolètes → Data issue ; Available<0 → Stockout or record issue ; commande d’achat tardive ou non confirmée affectant l’horizon → Review supply ; position inférieure au point de commande → Reorder review ; sinon No reorder. La mise en forme conditionnelle suit le texte du statut, et non une logique imbriquée fondée uniquement sur les couleurs. Les tests comprennent : une position de 35 donnant un besoin brut de 22 et une proposition de 24 ; un besoin brut de 25 arrondi à 30 ; une demande de 0 donnant No reorder conformément à la politique ; une commande d’achat arrivant un jour après l’horizon exclue et signalée ; un fournisseur manquant ou une actualisation vieille de 8 jours bloquant la proposition ; et une dérogation utilisée uniquement si elle comporte une cible, une justification, une personne chargée de la revue et une date. À chaque actualisation, rapprochez le total OnHand du nombre et de la somme de la source, et les quantités OpenPO incluses ou exclues du registre des commandes d’achat.
Pourquoi cela fonctionne
1
Distinguer la position de stock du stock physiquement disponible empêche les commandes ouvertes de masquer la pénurie actuelle.
2
Un champ d’approbation empêche qu’une recommandation calculée ne devienne une instruction d’achat non autorisée.
Vérifier le résultat
Le stock, les réservations, les unités inutilisables, les livraisons attendues, la demande pendant le délai d’approvisionnement, le stock de sécurité et les unités sont-ils définis de façon cohérente ?
Les données manquantes, obsolètes, tardives, dupliquées ou incertaines bloquent-elles ou déclassent-elles la recommandation de réapprovisionnement ?
Le besoin calculé, la proposition arrondie, la décision de la personne chargée de la revue et la commande réelle sont-ils des champs distincts ?
Utilisez-la en toute confiance
Questions fréquentes
Des réponses pratiques sur le bon moment pour utiliser cette recette, ce qu’il faut fournir et les cas où une vérification humaine reste nécessaire.
Que dois-je préparer avant d’utiliser « Concevoir un classeur d’inventaire et d’alertes de réapprovisionnement » ?
Pour « Concevoir un classeur d’inventaire et d’alertes de réapprovisionnement », préparez les opérations et décisions relatives aux stocks, les champs, sources et exemples de valeurs, ainsi que la politique de réapprovisionnement et de gestion des exceptions. Ne remplacez les variables que par des informations vérifiables. Si un détail est inconnu, signalez explicitement cette incertitude au lieu de demander au modèle de le déduire.
Dans quels cas le résultat de « Concevoir un classeur d’inventaire et d’alertes de réapprovisionnement » n’est-il pas prêt à être utilisé ?
Le résultat n’est pas prêt s’il ne produit pas encore, à partir des éléments fournis, le résultat annoncé — un classeur d’inventaire contrôlé comprenant des formules de réapprovisionnement, une file d’exceptions et des contrôles de rapprochement — ou s’il repose sur des hypothèses non résolues, des approbations manquantes ou des détails inventés. Utilisez les contrôles comme critères de validation : révisez les données d’entrée ou désignez une personne habilitée et nommément identifiée pour effectuer la revue, au lieu de peaufiner un résultat non étayé.
Quels outils d’IA disposent de tests consignés pour « Concevoir un classeur d’inventaire et d’alertes de réapprovisionnement » ?
Le registre de tests publié pour « Concevoir un classeur d’inventaire et d’alertes de réapprovisionnement » mentionne ChatGPT à la date du 2026-08-28. Cela confirme l’existence d’essais consignés, mais ne garantit ni la compatibilité ni des résultats identiques dans les versions ultérieures du produit. Avec un autre outil ou une autre version, gardez toutes les contraintes visibles et répétez les contrôles du résultat avant utilisation.
Votre prochaine étape : mettez l’IA à contribution
Passez de la compréhension de l'IA à l'action. Entraînez-vous à formuler des requêtes, à évaluer et à améliorer les résultats grâce à des leçons interactives pour le travail et la vie quotidienne.
ChatGPT
